University of Toronto（多伦多大学）

EMA Policy Gradient: Taming Reinforcement Learning for LLMs with EMA Anchor and Top-k KL

EMA策略梯度：通过EMA锚点和Top-k KL驯服LLM的强化学习

Lunjun Zhang, Jimmy Ba

机构 * University of Toronto（多伦多大学） 纠错

AI总结 EMA-PG通过EMA锚点和Top-k KL估计器提升LLM强化学习性能，显著提高数学推理和代理任务表现

ProDCARL: Reinforcement Learning-Aligned Diffusion Models for De Novo Antimicrobial Peptide Design

ProDCARL：用于从头设计抗菌肽的强化学习对齐扩散模型

Fang Sheng, Mohammad Noaeen, Zahra Shakeri

机构 * University of Toronto（多伦多大学） 纠错

AI总结 ProDCARL通过强化学习对齐框架，结合扩散模型和序列属性预测器，优化抗菌肽设计，提高预测性能和多样性。